# 从 50ms 到 < 10ms：IM 系统性能优化实战
在 IM 系统中，响应时间直接影响体验。本文介绍 AQChat 如何将消息发送响应时间从 50ms 优化到 < 10ms。

## 一、性能瓶颈分析
### 优化前的问题
1.**同步处理阻塞**
* 消息广播、持久化、AI 处理都在主线程同步执行
* 数据库写入耗时 20-30ms
* 消息广播耗时 10-20ms
* 总响应时间约 50ms

2.**频繁的数据库查询**
* 每次发送消息都查询用户信息、房间信息
* 单次查询 5-10ms
* 高并发下数据库压力大

3.**序列化性能问题**
* 使用 JSON 序列化，体积大、速度慢
* 消息体积大，网络传输慢

**优化前的代码（伪代码）**：
```java
public void handle(ChannelHandlerContext ctx, SendMsgCmd cmd) {
    // 1. 查询用户信息（数据库查询，5-10ms）
    UserInfo user = userService.getUserInfo(userId);
    
    // 2. 查询房间信息（数据库查询，5-10ms）
    RoomInfo room = roomService.getRoomInfo(roomId);
    
    // 3. 消息去重检查（数据库查询，5-10ms）
    if (messageService.isExist(msgId)) {
        return;
    }
    
    // 4. 同步广播消息（10-20ms）
    broadcastMessage(message);
    
    // 5. 同步持久化消息（数据库写入，20-30ms）
    messageService.saveMessage(message);
    
    // 6. 返回响应
    ctx.writeAndFlush(ack);
    // 总耗时：50-80ms
}
```
### 二、优化方案一：RocketMQ 异步处理
核心思路：将耗时操作异步化，立即返回响应。

**优化后的代码**：
```java
public void handle(ChannelHandlerContext ctx, SendMsgCmd cmd) {
    // 1. Redis 缓存查询用户信息（< 1ms）
    String userId = verifyLogin(ctx);
    
    // 2. Redis 缓存查询房间信息（< 1ms）
    RoomInfoDto roomInfo = roomHolder.getRoomInfoById(roomId);
    
    // 3. Redis Set 消息去重（< 1ms）
    if (messageHolder.isExistMessageId(roomId, msgId)) {
        return;
    }
    
    // 4. 构建消息对象
    MessageDto messageDto = buildMessageDto(cmd);
    
    // 5. 异步发送到 RocketMQ（< 1ms，立即返回）
    mqSendingAgent.sendMessageToRoom(messageDto);  // 异步广播
    mqSendingAgent.storeMessages(messageDto);      // 异步持久化
    
    // 6. 立即返回响应（< 1ms）
    ctx.writeAndFlush(ack);
    // 总耗时：< 5ms
}
```

**RocketMQ 异步发送实现**：
```java
@Component
public class MqSendingAgent {
    @Resource
    private MQProducer mqProducer;
    
    public void sendMessageToRoom(MessageDto messageDto) {
        Message message = new Message();
        message.setTopic(AQChatMQConstant.MQTopic.SEND_MESSAGE_TOPIC);
        message.setBody(JSONObject.toJSONString(messageDto).getBytes());
        // 异步发送，立即返回，不阻塞
        mqProducer.send(message);
    }
    
    public void storeMessages(MessageDto messageDto) {
        Message message = new Message();
        message.setTopic(AQChatMQConstant.MQTopic.STORE_MESSAGE_TOPIC);
        message.setBody(JSONObject.toJSONString(messageDto).getBytes());
        // 异步发送，立即返回，不阻塞
        mqProducer.send(message);
    }
}
```

**RocketMQ 生产者配置（异步线程池）**：
```java
@Bean
public MQProducer mqProducer() {
    // 配置异步发送线程池
    ThreadPoolExecutor asyncThreadPoolExecutor = new ThreadPoolExecutor(
        100, 150, 3, TimeUnit.MINUTES, 
        new ArrayBlockingQueue<>(1000),
        r -> {
            Thread thread = new Thread(r);
            thread.setName("rocketmq-produce-" + ThreadLocalRandom.current().nextInt(1000));
            return thread;
        }
    );
    
    DefaultMQProducer producer = new DefaultMQProducer();
    // 设置异步发送线程池
    producer.setAsyncSenderExecutor(asyncThreadPoolExecutor);
    producer.start();
    return producer;
}
```

**优化效果**：
* 消息广播：从同步 10-20ms 降到异步 < 1ms
* 消息持久化：从同步 20-30ms 降到异步 < 1ms
* 总响应时间：从 50ms 降到 < 5ms

## 优化方案二：Redis 缓存
### 核心思路：用Redis缓存热点数据，减少数据库查询。
1.**用户信息缓存**
```java
@Component
public class AQUserHolder implements IUserHolder {
    @Resource
    private RedisCacheHelper redisCacheHelper;
    
    @Override
    public void saveUserInfo(UserGlobalInfoDto userInfo) {
        // 缓存用户信息，30分钟过期
        redisCacheHelper.setCacheObject(
            AQRedisKeyPrefix.AQ_USER_INFO_PREFIX + userInfo.getUserId(),
            userInfo,
            AQBusinessConstant.USER_INFO_CACHE_TIME,  // 30分钟
            TimeUnit.SECONDS
        );
    }
    
    @Override
    public UserGlobalInfoDto getUserInfo(String userId) {
        // 从Redis读取，< 1ms
        return redisCacheHelper.getCacheObject(
            AQRedisKeyPrefix.AQ_USER_INFO_PREFIX + userId,
            UserGlobalInfoDto.class
        );
    }
}
```

2.**房间信息缓存（Hash 结构）**
```java
@Component
public class AQRoomHolder implements IRoomHolder {
    @Resource
    private RedisCacheHelper redisCacheHelper;
    
    @Override
    public RoomInfoDto getRoomInfoById(String roomId) {
        // 从Redis Hash读取，< 1ms
        return redisCacheHelper.getCacheMapValue(
            AQRedisKeyPrefix.AQ_ROOM_PREFIX + roomId,
            AQRedisKeyPrefix.AQ_ROOM_INFO_PREFIX
        );
    }
    
    @Override
    public void saveRoomInfo(String roomId, RoomInfoDto roomInfo) {
        // 使用Hash结构存储，可以单独更新字段
        redisCacheHelper.setCacheMapValue(
            AQRedisKeyPrefix.AQ_ROOM_PREFIX + roomId,
            AQRedisKeyPrefix.AQ_ROOM_INFO_PREFIX,
            roomInfo
        );
    }
}
```

为什么使用 Hash 结构？
```java
// Redis存储结构
Key: AQChat:room:roomData:{roomId}
Field: info -> RoomInfoDto (JSON)
Field: member -> Map<userId, UserGlobalInfoDto> (JSON)
```

**优势**：
* 减少 Redis Key 数量
* 可单独更新某个字段
* 一次读取获取完整房间信息

3.**消息去重（Set 结构）**
```java
@Component
public class AQMessageHolder implements IMessageHolder {
    @Resource
    private RedisCacheHelper redisCacheHelper;
    
    @Override
    public boolean isExistMessageId(String roomId, String msgId) {
        // 使用List存储消息ID（实际可以用Set优化）
        List<String> messageIds = redisCacheHelper.getCacheMapValue(
            AQRedisKeyPrefix.AQ_ROOM_PREFIX + roomId,
            AQRedisKeyPrefix.AQ_ROOM_MESSAGE_PREFIX
        );
        return messageIds != null && messageIds.contains(msgId);
    }
}
```

**优化效果**：
* 用户信息查询：从数据库 5-10ms 降到 Redis < 1ms
* 房间信息查询：从数据库 5-10ms 降到 Redis < 1ms
* 消息去重：从数据库 5-10ms 降到 Redis < 1ms

## 四、优化方案三：Protobuf 序列化优化
### 核心思路：使用二进制协议替代 JSON，减少体积、提升速度。

**Protobuf vs JSON 对比**：
| **指标** | **JSON** | **Protobuf** | **提升** |
|----------|----------|--------------|---------|
| 消息体积 | 100% | 50-70% | 减少 30-50% |
| 序列化速度 | 基准 | 3-5倍 | 提升 3-5倍 |
| 反序列化速度 | 基准 | 3-5倍 | 提升 3-5倍 |
| 类型安全 | 运行时检查 | 编译时检查 | 更安全 |

**Protobuf 编码实现**：
```java
@Component
@ChannelHandler.Sharable
public class MessageEncoder extends MessageToMessageEncoder<GeneratedMessageV3> {
    @Resource
    private MessageRecognizer recognizer;
    
    @Override
    protected void encode(ChannelHandlerContext ctx, GeneratedMessageV3 msg, List<Object> list) {
        // 1. 获取消息指令
        int msgCommand = recognizer.getMsgCommandByMsgClazz(msg.getClass());
        
        // 2. Protobuf序列化（比JSON快3-5倍）
        byte[] msgBody = msg.toByteArray();
        
        // 3. 构建消息帧
        ByteBuf byteBuf = ctx.alloc().buffer();
        byteBuf.writeInt(msgBody.length);      // 消息长度（4字节）
        byteBuf.writeShort((short) msgCommand); // 消息指令（2字节）
        byteBuf.writeBytes(msgBody);            // 消息体（Protobuf）
        
        list.add(new BinaryWebSocketFrame(byteBuf));
    }
}
```

**优化效果**：
* 消息体积：减少 30-50%，网络传输更快
* 序列化速度：提升 3-5倍，CPU 占用更低
* 网络传输时间：减少 30-50%

## 五、性能测试数据
**测试环境**：
* 服务器：4核8G，SSD
* 并发用户：1000
* 消息频率：每秒 100 条消息

**优化前性能**：
| **操作** | **耗时** | **说明** |
|------|------|------|
| 用户信息查询 | 5-10ms | 数据库查询 |
| 房间信息查询 | 5-10ms | 数据库查询 |
| 消息去重查询 | 5-10ms | 数据库查询 |
| 消息广播 | 10-20ms | 同步处理 |
| 消息持久化 | 20-30ms | 数据库写入 |
| 总响应时间 | 50-80ms | - |

**优化后性能**：
| **操作** | **耗时** | **说明** |
|------|------|------|
| 用户信息查询 | < 1ms | Redis 缓存 |
| 房间信息查询 | < 1ms | Reids 缓存 | 
| 消息去重检查 | < 1ms | Redis 缓存 | 
| 消息广播 | < 1ms | RocketMQ 异步 |
| 消息持久化 | < 1ms | RocketMQ 异步 | 
| 总响应时间 | < 1ms | - |

**性能提升**
* 响应时间：从 50-80ms 降到 < 5ms，提升约 10-16 倍
* 吞吐量：从每秒 20 条消息提升到每秒 200+ 条消息
* CPU 使用率：降低约 40% （Protobuf 序列化更快）
* 数据库压力：降低约 80%（Redis 缓存）

## 六、优化总结
**优化策略总结**：
1.异步化
* 耗时操作通过 RocketMQ 异步处理
* 立即返回响应，提升用户体验

2.缓存化
* 热点数据存入 Redis
* 减少数据库查询，降低延迟

3.序列化优化
* 使用 Protobuf 替代 JSON
* 减少体积，提升速度

4.数据结构优化
* Redis Hash 存储房间信息
* Redis Set 实现消息去重

**优化效果**：
* 响应时间：从 50ms 降到 < 10ms（实际 < 5ms）
* 吞吐量：提升 10 倍以上
* 数据库压力：降低 80%
* CPU 使用率：降低 40%

### 经验总结：
1.先分析瓶颈，再针对优化

2.异步化是提升响应速度的有效手段

3.缓存是减少数据库压力的关键

4.序列化协议选择对性能影响显著

5.性能优化需要持续监控和调整

通过以上优化，AQChat 的响应时间从 50ms 降到 < 10ms，用户体验得到明显提升。

在 IM 系统中，响应时间直接影响体验。本文介绍 AQChat 如何将消息发送响应时间从 50ms 优化到 < 10ms。

从 50ms 到 < 10ms：IM 系统性能优化实战

后端

网络与通信

架构设计

IM系统性能优化实战：通过RocketMQ异步处理、Redis缓存热点数据、Protobuf替代JSON序列化等方案，将消息发送响应时间从50ms优化至<10ms，吞吐量提升10倍，数据库压力降低80%，CPU使用率下降40%。

数据结构

性能测试

数据库

服务器

Redis

JSON

云数据库采购特惠，高性能、高可靠、高安全，超值优惠等你享！


腾讯云 IM，全球通信，1折起


AI驱动 智领未来

tencentdb-catalog

4核4G3M云服务器 新用户低至38元/年！

文章

问答

视频

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

从 50ms 到 < 10ms：IM 系统性能优化实战-腾讯云开发者社区-腾讯云

从 50ms 到 < 10ms：IM 系统性能优化实战

从 50ms 到 < 10ms：IM 系统性能优化实战

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐